Dosreducering med artificiell intelligens vid datortomografiundersökningar på barn : En litteraturstudie

Sammanfattning

Bakgrund: Datortomografiundersökningar på barn ger en hög stråldos och då barn är mer känsliga för joniserande strålning och det är av stor vikt att individanpassa stråldosen för att minska risken för strålskador. Inom radiologin växer användandet av artificiell intelligens (AI) hastigt där AI hjälper till med diagnostik och förbättrar bildkvaliteten. Syfte: Syftet med denna studie var att studera hur AI kan användas för att reducera stråldoser vid datortomografiundersökningar av barn. Metod: Studien är en allmän litteraturöversikt som jämför och sammanställer forskning inom det valda ämnesområdet. Databaserna som användes vid litteratursökningen var Medline och Cinahl, artiklarna som är inkluderade i litteraturstudien valdes utifrån inklusions- och exklusionskriterier relaterade till syftet och har genomgått en kvalitetsgranskning där samtliga var av medel eller hög kvalitet. Artiklarna analyserades med hjälp av en integrerad analys som resulterade i kategorier som användes som rubriker i resultatet. Resultat: Resultatet visade att det fanns ett samband mellan rekonstruktionsmetoder som är baserade på artificiell intelligens och en reducerad stråldos. Det framkom även att de AI-baserade rekonstruktionsmetoderna var bäst av de olika rekonstruktionsmetoderna som jämfördes. Slutsats: Sammanfattningsvis visar denna studie att olika AI-program kan användas för att minska stråldosen på datortomografiundersökningar av barn.